Kanada przyciąga talenty w dziedzinie AI i nauki, gdy Trump zakłóca badania w USA

Od dziesięcioleci Stany Zjednoczone korzystały z jednej z najpotężniejszych przewag konkurencyjnych w nauce: wielu najlepszych naukowców na świecie chciało tam pracować.

Ta przewaga nie znika z dnia na dzień. USA nadal dysponują niezrównanymi koncentracjami uczelni badawczych, federalnych laboratoriów, prywatnego kapitału i firm technologicznych. Jednak przepływ talentów staje się mniej jednokierunkowy, a Kanada podejmuje niezwykle agresywną próbę wykorzystania tej zmiany.

Najświeższy przykład pochodzi z University of Toronto, które zrekrutowało sześciu wybitnych naukowców obecnie pracujących w amerykańskich instytucjach, w tym w MIT, National Institutes of Health (NIH), University of California San Francisco (UCSF), Ohio State University, Boston University oraz Washington University School of Medicine w St. Louis.

Sześciu jest częścią nowego programu Eddie Goldenberg Research Chairs of Canada, będącego centralnym elementem inicjatywy Ottawa o wartości 1,7 miliarda CAD – Canada Global Impact+ Research Talent Initiative. Szersza inicjatywa ma przyciągnąć i wesprzeć ponad 1 000 międzynarodowych i emigracyjnych badaczy w ciągu 12 lat, przy czym 1 miliard CAD przeznaczono konkretnie na stanowiska badawcze.

Co czyni tę pierwszą grupę szczególnie godną uwagi, to pochodzenie talentów. Z pierwszych 64 uczonych zrekrutowanych w ramach programu stanowisk badawczych, 48 jest obecnie zlokalizowanych w Stanach Zjednoczonych.

This is beginning to look less like ordinary academic recruiting and more like a geopolitical competition for intellectual capital.

Dlaczego USA nagle stają się bardziej podatne na odpływ mózgów w badaniach

The timing is difficult to separate from the upheaval that has swept through American science since President Donald Trump returned to office in styczeń 2025.

A styczeń 2026 analiza Nature policzyła ponad 7 800 amerykańskich grantów badawczych, które zostały zakończone lub zamrożone, oraz około 25 000 naukowców i innych pracowników opuszczających federalne agencje zaangażowane w badania. Administracja zaproponowała także znaczne cięcia w budżetach federalnych nauk, w tym redukcje sięgające 40 % w NIH, 57 % w National Science Foundation (NSF) i 47 % w NASA Science Mission Directorate. Nie wszystkie z proponowanych cięć ostatecznie stały się prawem, a niektóre działania administracji spotkały się z oporem Kongresu i sądów, jednak sama niepewność wpłynęła na laboratoria, rekrutację i długoterminowe planowanie badań.

Pozycja administracji jest bardziej zniuansowana niż po prostu porzucenie nauki. Jak Unite.AI niedawno przeanalizowało, Biały Dom próbuje przeorganizować około 200 miliardów dolarów rocznych wydatków federalnych na badania. Propozycje faworyzują większe finansowanie podążające za poszczególnymi naukowcami, szybsze mechanizmy grantowe, badania wysokiego ryzyka, odkrycia napędzane sztuczną inteligencją oraz strategiczne technologie takie jak AI i komputer kwantowy. Administracja argumentuje, że istniejący system finansowania skoncentrowany na uczelniach stał się biurokratyczny i niewystarczająco ukierunkowany na priorytety narodowe.

Jednak restrukturyzacja ekosystemu badawczego tworzy także zwycięzców i przegranych. Anulowanie grantów, redukcje zatrudnienia w sektorze federalnym oraz zmiany w tym, jakie rodzaje badań otrzymują wsparcie, uczyniły planowanie kariery znacznie mniej przewidywalnym dla wielu naukowców.

Ostrzeżenia pojawiły się szybko. W marcu 2025 r. trzy czwarte z ponad 1 600 respondentów ankiety Nature powiedziało, że rozważają wyjazd ze Stanów Zjednoczonych, przy czym najczęściej wymieniano Kanadę i Europę jako docelowe miejsca. Ankieta była dobrowolna i nie powinna być traktowana jako reprezentatywna dla wszystkich amerykańskich naukowców, ale późniejsze dane dotyczące poszukiwania pracy również wykazały rosnące zainteresowanie stanowiskami poza granicami kraju.

Canada appears to have decided that uncertainty in one country can become opportunity in another.

Kanada buduje maszynę rekrutacyjną, a nie tylko oferuje kilka katedr

Ottawa’s strategy goes beyond paying senior scientists to relocate.

Inicjatywa o wartości 1,7 miliarda CAD obejmuje stanowiska badawcze, finansowanie infrastruktury, pozycje dla wczesnych etapów kariery oraz nagrody doktorskie i podoktorskie. W maju rząd przyznał 659 nagród na szkolenia badawcze kandydatom z 72 krajów, a program Canada Impact+ Emerging Leaders ma pomóc uczelniom rekrutować obiecujących badaczy znacznie wcześniej w ich karierze.

Kanada rozpoczęła także dostosowywanie polityki imigracyjnej do tej strategii, tworząc nowe ścieżki dla naukowców i obiecując przyspieszoną obsługę niektórych rekrutowanych osób.

To podejście ma znaczenie, ponieważ elitarni badacze rzadko przeprowadzają się sami. Starszy naukowiec może przywieźć doktorantów, studentów studiów magisterskich, współpracowników i przyszłych rekrutów na katedry. Ich laboratoria mogą przyciągać partnerstwa przemysłowe, generować własność intelektualną i ostatecznie tworzyć startupy.

That multiplier effect is what makes U of T’s six recruits worth examining individually.

Adrienne Campbell-Washburn: Przemyślenie, czym może być maszyna MRI

Adrienne Campbell-Washburn przechodzi z National Heart, Lung, and Blood Institute NIH, gdzie po dołączeniu jako doktorant w 2013 r. stała się starszym badaczem.

Jej praca podważa podstawowe założenie w rezonansie magnetycznym: że silniejsze magnesy są koniecznie lepsze.

Laboratorium Campbell-Washburn pomogło wyprzedzić wysokowydajne MRI o niskim polu 0,55 tesli, łącząc słabsze pola magnetyczne z nowoczesną informatyką, technikami akwizycji i rekonstrukcji. Podejście to może przynieść korzyści przy obrazowaniu obszarów takich jak płuca, które tradycyjnie sprawiają trudności w MRI, jednocześnie zmniejszając problemy związane z metalowymi implantami i potencjalnie obniżając koszty oraz wymagania infrastrukturalne skanerów.

W Sunnybrook Research Institute oraz w Katedrze Biofizyki Medycznej U of T planuje rozwijać to dalej poprzez niżej kosztowe systemy MRI, przenośne skanery i techniki obrazowania wspomagane sztuczną inteligencją.

The broader implication is significant. MRI is extraordinarily powerful, but large conventional scanners are expensive and concentrated in major hospitals. If lower-field machines combined with increasingly sophisticated AI reconstruction can produce clinically useful images with cheaper hardware, MRI could eventually become available in far more settings, including smaller hospitals, community clinics and potentially bedside environments.

Tanya Berger-Wolf: Wykorzystanie AI do zrozumienia przyrody

Tanya Berger-Wolf przybywa z Ohio State University z nietypowym połączeniem wiedzy obejmującej teorię informatyki, sztuczną inteligencję, ekologię i ochronę przyrody.

Jest jedną z pionierów tego, co stało się znane jako imageomics, czyli wykorzystanie uczenia maszynowego do wyodrębniania informacji biologicznych z ogromnych ilości zdjęć zbieranych w przyrodzie.

Berger-Wolf była współzałożycielką Wildbook, otwarto‑źródłowej platformy, która potrafi identyfikować poszczególne zwierzęta na podstawie fotografii. Podobnie jak rozpoznawanie twarzy rozróżnia ludzi, systemy te mogą rozpoznawać charakterystyczne oznaczenia zwierząt, takich jak zebry czy rekiny wielorybie, umożliwiając badaczom monitorowanie populacji i zachowań bez konieczności używania fizycznych tagów czy naszywek GPS.

Jej Imageomics Institute od tego czasu znacznie rozwinął koncepcję. Model BioCLIP został wytrenowany na ponad 210 milionach obrazów obejmujących mniej więcej milion gatunków, co pozwala AI identyfikować organizmy w znaczącej części znanego drzewa życia.

Na U of T Berger‑Wolf zamierza łączyć obrazy z dźwiękiem, informacjami genetycznymi i danymi czujników, aby budować bogatsze modele ekosystemów i ich reakcji na zmiany klimatu oraz działalność człowieka.

The project illustrates an increasingly important direction for AI: foundation models are moving beyond text, images and consumer applications into specialized scientific domains where enormous datasets are effectively impossible for humans to analyze manually.

Shu (Joy) Jiang: Przenoszenie medycznej AI z algorytmów do szpitali

Shu (Joy) Jiang dołącza do U of T z Washington University School of Medicine w St. Louis, gdzie jej badania łączą biostatystykę, prognozowanie nowotworów i sztuczną inteligencję.

Jednym z jej najbardziej znaczących projektów jest już dowód, że akademicka AI może przejść do medycyny komercyjnej.

Jiang i epidemiolog Graham Colditz współzałożyli Prognosia, które opracowało system AI analizujący mammografie w celu przewidzenia pięcioletniego ryzyka zachorowania na raka piersi u kobiety. Oprogramowanie otrzymało oznaczenie FDA Breakthrough Device w 2025, a następnie zostało przejęte przez południowokoreańską firmę medyczną AI Lunit.

Zamiast jedynie wykrywać istniejący guz, technologia szuka wzorców w mammografiach, które mogą wskazywać przyszłe ryzyko, w tym sygnałów niewidocznych dla ludzkich klinicystów.

W Dalla Lana School of Public Health U of T Jiang podejmie kolejny problem, który może okazać się równie ważny jak opracowanie samych algorytmów: wprowadzenie zweryfikowanej medycznej AI do rzeczywistych środowisk klinicznych.

Jej planowana praca obejmuje budowę infrastruktury łączącej szpitale, regulatorów i przemysł, aby AI w obrazowaniu medycznym mogła być oceniana i wdrażana w całej Kanadzie.

That addresses one of healthcare AI’s largest bottlenecks. The industry already has an expanding supply of promising models. The harder challenge is proving that they work consistently across hospitals, patient populations and imaging equipment, and then integrating them into workflows where clinicians can actually use them.

Michelle Arkin: Celowanie w „nieleczalne” cele medycyny

Michelle Arkin wnosi do U of T Mississauga znacznie więcej niż akademickie doświadczenie w odkrywaniu leków.

W UCSF pełniła funkcję profesora chemii farmaceutycznej, dyrektora wykonawczego Small Molecule Discovery Center oraz wicedziekana ds. technologii badawczej i przedsiębiorczości. Wcześniej w Sunesis Pharmaceuticals pracowała nad niektórymi z pierwszych silnych inhibitorów celujących w interakcje białko‑białko.

Jednym z związków powstałych w wyniku tej pracy był lifitegrast, który ostatecznie stał się lekiem zatwierdzonym przez FDA na suchość oczu.

Jej badania koncentrują się teraz mocno na biologicznych celach historycznie uznawanych za trudne lub niemożliwe do zaaplikowania lekami, w tym interakcjach białko‑białko, maszynach molekularnych i czynnikach transkrypcyjnych. Jest także aktywna w badaniach nad Alzheimerem i współzałożyła kilka firm terapeutycznych.

W U of T Arkin będzie badać obszary takie jak molekularne kleje, medycyna precyzyjna i odkrywanie leków wspomagane sztuczną inteligencją.

Molekularne kleje są szczególnie interesujące, ponieważ działają inaczej niż konwencjonalne leki. Zamiast jedynie blokować białko, mogą wymuszać interakcje między cząsteczkami biologicznymi, które normalnie nie zachodzą, co potencjalnie pozwala komórce eliminować białka wywołujące choroby.

W połączeniu z systemami AI zdolnymi do przewidywania interakcji molekularnych i przeszukiwania ogromnych przestrzeni chemicznych, takie podejścia mogłyby zwiększyć odsetek ludzkiej biologii, którą realistycznie można celować lekami.

Raymond Fisman: Badanie, co się dzieje, gdy pieniądze spotykają władzę polityczną

Not all of the recruits work in laboratory science.

Ekonomista Raymond Fisman dołącza do Rotman School of Management U of T z Boston University, przynosząc program badawczy skoncentrowany na korupcji, wpływie politycznym, zarządzaniu i relacji między instytucjami a zachowaniami gospodarczymi.

Jedno z jego najbardziej znanych badań wykorzystało nietypowy zestaw danych: naruszenia parkingowe popełniane przez dyplomatów ONZ w Nowym Jorku

Ponieważ dyplomaci cieszyli się immunitetem przed egzekucją, Fisman i ekonomista Edward Miguel mogli zbadać, jak zachowują się urzędnicy, gdy tradycyjne konsekwencje prawne są w dużej mierze nieobecne. Ich badania wykazały silne różnice skorelowane z normami korupcji w krajach pochodzenia dyplomatów, podczas gdy późniejsze środki egzekucyjne wyraźnie zmniejszyły naruszenia.

Bardziej niedawne prace analizowały darowizny polityczne, przejrzystość rządu oraz to, jak bodźce wyborcze mogą wpływać na reakcje na wnioski o dostęp do informacji publicznej. Artykuł z 2026 r. wykazał, że agencje w środowiskach o wyższym poziomie korupcji częściej odrzucały lub opóźniały wnioski przed wyborami.

W Rotman Fisman będzie badał, w jaki sposób zamożni indywidualiści i zorganizowane grupy interesu wpływają na politykę publiczną, dlaczego wyborcy czasem tolerują dowody korupcji i jak rządy mogą poprawić rozliczalność.

Jego udział w programie jest istotny. Strategia badawcza Kanady nie ogranicza się do technologii, które mogą od razu stać się produktami. Uznaje również, że instytucje regulujące technologię, rynki i zaufanie publiczne mogą być tak samo decydujące jak same technologie.

Sara Seager: Przywrócenie poszukiwań innych światów do Toronto

Sara Seager jest prawdopodobnie najbardziej rozpoznawalnym nazwiskiem wśród sześciu rekrutów.

Torontońska native, absolwentka U of T w 1994 r., uzyskała stopień doktora na Harvardzie, a następnie została profesorką na MIT. Stała się jedną z pionierów nauki o egzoplanetach, szczególnie badań atmosfer planetarnych i poszukiwania gazów, które mogłyby wskazywać, czy życie istnieje poza Ziemią.

Jej kariera obejmuje stypendium MacArthur, Nagrodę Kavli w Astrofizyce oraz mianowanie na Oficera Orderu Kanady.

Jej powrót do Toronto został faktycznie ogłoszony przed wynikami najnowszego federalnego programu katedr. Planowane jest, że dołączy do U of T 1 września 2026 r., co czyni jej przypadek nieco innym niż badacze rekrutowani po uruchomieniu inicjatywy.

W U of T zamierza łączyć astronomię, chemię, fizykę obliczeniową i inżynierię lotniczą, kontynuując poszukiwania nadających się do zamieszkania światów. Kieruje także misjami Morning Star na Wenus, które mają bezpośrednio badać atmosferę planety pod kątem związków organicznych.

Nowa katedra rozszerza tę pracę o technologie planetarne i czujniki molekularne, w tym instrumenty zdolne do wykrywania chemikaliów w ekstremalnie niskich stężeniach oraz modele AI do interpretacji złożonych systemów planetarnych i środowiskowych.

Te technologie nie muszą pozostawać jedynie w nauce o kosmosie. Ultra‑czułe czujniki molekularne mogą w przyszłości znaleźć zastosowanie w monitoringu środowiskowym, wykrywaniu przemysłowym i zdrowiu człowieka.

Większa nagroda to ekosystem, który tworzy się wokół badaczy

Canada should be careful not to declare victory too early.

Stany Zjednoczone pozostają dominującym na świecie ekosystemem badawczym pod wieloma względami i posiadają przewagi, których Kanada nie może odtworzyć jedynie poprzez większe czeki rekrutacyjne. Jej uniwersytety, narodowe laboratoria, przemysł venture capital, firmy farmaceutyczne, hiperskalery i infrastruktura badań obronnych tworzą ogromne przyciąganie talentów naukowych.

Administracja Trumpa nie ogranicza się również do jednolitego cięcia wsparcia dla zaawansowanych technologii. AI, komputer kwantowy, technologie obronne i badania naukowe wspomagane AI znajdują się wśród obszarów, które wyraźnie chce priorytetyzować.

Jednak przywództwo w badaniach może przesuwać się na marginesach na długo przed pojawieniem się w rankingach narodowych.

Badacz, który dziś przeprowadzi się, może jutro zrekrutować dziesięciu studentów. Ci studenci mogą szkolić kolejną generację naukowców. Laboratorium może wygenerować patent, który stanie się startupem, przyciągnie inżynierów i inwestorów, a w końcu stworzy klaster przemysłowy.

Toronto już wcześniej doświadczyło tej dynamiki. Geoffrey Hinton przeniósł się z Carnegie Mellon University do U of T w 1987 r., w czasie gdy sieci neuronowe były dalekie od mody. Dekady później jego praca pomogła ustalić intelektualne fundamenty rewolucji głębokiego uczenia i przyczyniła się do tego, że Toronto stało się jednym z głównych światowych ośrodków badań AI.

Kanada próbuje teraz odtworzyć taki długoterminowy efekt kumulatywny w dziedzinach AI, biotechnologii, medycyny, nauk o klimacie, technologii kwantowej i innych strategicznych obszarach. Wpasowuje się to w szerszy wysiłek przekształcenia akademickich mocnych stron kraju w zdolności gospodarcze, w tym w krajową strategię AI, którą Kanada uruchomiła na początku tego roku. Strategia ta podobnie podkreśla konieczność utrzymania większej części badań, firm i własności intelektualnej w Kanadzie.

Kanada wciąż musi udowodnić, że potrafi zatrzymać przyciągnięte talenty

There is also a legitimate criticism of the strategy.

Kanada nie może zbudować zrównoważonego ekosystemu badawczego wyłącznie poprzez rekrutację gwiazd. Istniejący kanadyjski naukowcy od dawna skarżą się na ograniczone finansowanie grantów, wynagrodzenia, które nie mogą konkurować z USA, oraz niewystarczające możliwości dla młodych naukowców. Krytycy poddali w wątpliwość, czy mocno finansowane międzynarodowe katedry nie stworzą dwupoziomowego systemu, w którym nowo zrekrutowani badacze otrzymują niezwykłe pakiety, podczas gdy równie zdolni naukowcy już pracujący w Kanadzie napotykają na coraz bardziej ograniczone zasoby.

To sprawia, że elementy wczesnej kariery, infrastruktury i szkolenia w ramach inicjatywy o wartości 1,7 miliarda CAD są szczególnie ważne.

Jeśli Kanada po prostu importuje sławnych naukowców, program przyniesie imponujące ogłoszenia. Jeśli jednak ci naukowcy otrzymają zasoby do budowy laboratoriów, rekrutacji młodszych badaczy, współpracy z przemysłem, komercjalizacji odkryć i tworzenia instytucji, które przetrwają po ich indywidualnych karierach, konsekwencje mogą być znacznie większe.

Przez większą część ubiegłego stulecia Stany Zjednoczone rozumiały coś fundamentalnego o innowacji: przyciąganie wyjątkowych ludzi było samo w sobie formą polityki gospodarczej.

Kanada wydaje się tę lekcję przyswoić.

The question now is whether the United States is temporarily giving its neighbour an opening, or whether the direction of scientific talent across the border is beginning to change in a more lasting way.